NVIDIA/physicsnemo

解决的问题

NVIDIA PhysicsNeMo 提供了一个标准化的、原生于 PyTorch 的框架，用于构建和训练模拟物理系统的 AI 模型。它通过为流体力学、天气预报、结构力学和生成物理等任务提供可重用组件，解决了科学机器学习的复杂性，使研究人员能够从原型过渡到可扩展的生产工作流。

工作原理

该框架分为三层：用于核心工具（网格处理、分布式训练）的基础层，用于专用 AI 模型（如 FNOs、MeshGraphNets 和扩散模型）的构建块层，以及包含端到端训练方案的应用层。它支持诸如领域并行化等高级功能，允许用户将高分辨率物理样本拆分到多个 GPU 上，并且设计为可组合的，这意味着您可以将特定的层或算子集成到现有的 PyTorch 项目中。

适用人群

它专为在计算流体力学 (CFD)、气候建模、地球物理学和制造业等领域工作的科学家、工程师和 AI 研究人员设计，他们需要为复杂的物理模拟构建高性能代理模型。

主要亮点

• 科学数据支持： 原生支持多种数据结构，包括规则网格、非结构化网格、图和点云。
• 可扩展训练： 内置对分布式训练和领域并行化（通过 ShardTensor）的支持，以处理大规模科学数据集。
• 丰富的模型库： 包含 FNO、MeshGraphNet、Transolver 以及各种基于扩散的生成模型等最先进架构的实现。
• 端到端方案： 提供用于空气动力学设计、区域天气预报和结构碰撞动力学等现实应用的可直接使用的工作流。